Question

我正在使用像这样的keras的图像生成器：

 var sb = new StringBuiler();
 foreach (DataRepeaterItem c in dataRepeater1.Controls)
 {
    sb.AppendLine(((Label)c.Controls["label5"]).Text);
 }

 ss+= sb;

这显示错误的颜色：

我有两个问题。

如何解决问题
如何获取文件的文件名（以便我可以自己从matplotlib中读取）

编辑：这就是我的datagen的样子

val_generator = datagen.flow_from_directory(
        path+'/valid',
        target_size=(224, 224),
        batch_size=batch_size,)

x,y = val_generator.next()
for i in range(0,1):
    image = x[i]
    plt.imshow(image.transpose(2,1,0))
    plt.show()

编辑2：

跟随Marcin的回答：

datagen = ImageDataGenerator(
    rotation_range=3,
#     featurewise_std_normalization=True,
    fill_mode='nearest',
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True
)

我得到了正常的颜色，但仍有一些奇怪的颜色：

Answer 1

图像数组的dtype是'float32'，只需将其转换为'uint8'：

plt.imshow(image.astype('uint8'))

Answer 2

至少有三种方法可以使用这种扭曲的颜色。所以：
- 一个选项是您需要切换颜色排序，如此question。
- 第二，你可能会把你的照片变成负片（每个通道都会被255 - x转换变换）这有时会发生在使用某些GIS库时。
- 您还可以使用score/255转换。
您需要检查案件中发生的选项。
为了自己获取图片我经常使用（当你的文件夹的格式适合Keras flow_from_directory时）我通常使用os.listdir和{{1的混合通过：
```
os.path.join
```

Answer 3

我遇到与OP相同的问题，并通过将像素从0-255重新调整为0-1来解决它。

Keras＆＃39; ImageDataGenerator采用了＆＃39; rescale＆＃39;参数，我设置为（1/255）。这产生了具有预期颜色的图像

image_gen = ImageDataGenerator(rescale=(1/255))

Answer 4

颜色问题很奇怪。一旦我可以访问我的linux机器，我会尝试重现它。

对于问题的文件名部分，我想对Keras源代码提出一个小改动：

您可能需要查看此文件： https://github.com/fchollet/keras/blob/master/keras/preprocessing/image.py 它包含图像预处理例程。

查看第820行next()的{{1}}函数：调用此函数从目录中获取新图像。

在该函数内部，查看第838行，如果已将DirectoryIterator设置为路径，则生成器会将增强图像输出到此路径，以进行调试。增强图像的名称是索引和散列的混合。对你没用。

但是你可以很容易地改变代码：

save_to_dir

现在，使用原始文件名保存增强图像。

这应该允许您将图像保存在其原始文件名下。好吧，你怎么把它注入Keras源？

这样做：

clone Keras：filenames=[] #<-------------------------------------------- new code for i, j in enumerate(index_array): fname = self.filenames[j] img = load_img(os.path.join(self.directory, fname), grayscale=grayscale, target_size=self.target_size) x = img_to_array(img, dim_ordering=self.dim_ordering) x = self.image_data_generator.random_transform(x) x = self.image_data_generator.standardize(x) filenames.append(fname) # <-----------------------------store the used image's name batch_x[i] = x # optionally save augmented images to disk for debugging purposes if self.save_to_dir: for i in range(current_batch_size): img = array_to_img(batch_x[i], self.dim_ordering, scale=True) #fname = '{prefix}_{index}_{hash}.{format}'.format(prefix=self.save_prefix, # index=current_index + i, # hash=np.random.randint(1e4), # format=self.save_format) fname=filenames[i] # <------------------------------ use the stored code instead img.save(os.path.join(self.save_to_dir, fname))
转到我上面链接的源文件。做出改变。
欺骗你的python代码以导入更改的代码，而不是pip安装的版本。

git clone https://github.com/fchollet/keras

现在# this is the path to the cloned repository # if you cloned it next to your script # then just use keras/ # if it's one folder above # then use ../keras/ sys.path.insert(0, os.getcwd() + "/path/to/keras/") import keras是您的修补版本。

我希望这有效，我目前正在使用Windows。我的python堆栈只在linux机器上。可能存在小的语法错误。

Answer 5

如果您使用目录中的test_batches=Imagedatagenerator().flow，请稍作建议。如果使用它来馈送预测生成器，请确保设置shuffle=false来保持文件与关联的预测之间的相关性。如果目录中的文件带有数字标签，例如 1.jpg ， 2.jpg 等。图像可能不会被提取。它们按以下顺序获取： 1.jpg ， 10.jpg ， 2.jpg ， 20.jpg 等。这很难将预测匹配到特定文件。您可以使用0填充来解决此问题，例如 01.jpg ， 02.jpg 等。

Answer 6

from skimage import io

def imshow(image_RGB):
  io.imshow(image_RGB)
  io.show()

x,y = train_generator.next()

for i in range(0,11):
    image = x[i]
    imshow(image)

对我有用。

Keras显示来自数据生成器的图像

6 个答案: